python - 如何向 matplotlib 添加 2D 颜色条或色轮？

Question

我正在分析样本的磁化图。获得梯度及其方向后，我将它们绘制为 HSV(从 -π 到 π 的方向映射到从 0 到 1 的 Hue，Value 是归一化的梯度)通过 img_rgb = mpl.colors 转换为 RGB .hsv_to_rgb(img_hsv).

我设法使用 vmin 和 vmax 添加了一个 HSV 颜色条，但这并没有显示梯度的大小:

plt.imshow(img_rgb, cmap='hsv', vmin=-180, vmax=180, extent=(0, 100, 0,100))
plt.xlabel('μm')
plt.ylabel('μm')
plt.colorbar()

My current plot :

理想情况下，我想添加一个色轮来编码方向和幅度(可能像极坐标图一样？)。如果那不可能，添加一个 2D 图，扩展当前颜色条以包括 x 轴上的梯度幅度。

次要情节显然是可能的，但它们看起来像是拼凑的。有没有更好的办法？

Answer 1

首先，如果您想要同时可视化两个不同的参数，您可以通过为它们分配两个不同的 channel (比如红色和绿色)来实现。这可以通过标准化你的两个二维数组并将它们提供给 imshow 来完成，类似于 this answer 堆叠.

如果您对方形 2d 颜色图感到满意，则可以通过创建 meshgrid 以相同的方式获得此颜色图，然后再次堆叠并提供给 imshow:

from matplotlib import pyplot as plt
import numpy as np

##generating some  data
x,y = np.meshgrid(
    np.linspace(0,1,100),
    np.linspace(0,1,100),
)
directions = (np.sin(2*np.pi*x)*np.cos(2*np.pi*y)+1)*np.pi
magnitude = np.exp(-(x*x+y*y))


##normalize data:
def normalize(M):
    return (M-np.min(M))/(np.max(M)-np.min(M))

d_norm = normalize(directions)
m_norm = normalize(magnitude)

fig,(plot_ax, bar_ax) = plt.subplots(nrows=1,ncols=2,figsize=(8,4))

plot_ax.imshow(
    np.dstack((d_norm,m_norm, np.zeros_like(directions))),
    aspect = 'auto',
    extent = (0,100,0,100),
)

bar_ax.imshow(
    np.dstack((x, y, np.zeros_like(x))),
    extent = (
        np.min(directions),np.max(directions),
        np.min(magnitude),np.max(magnitude),
    ),
    aspect = 'auto',
    origin = 'lower',
)
bar_ax.set_xlabel('direction')
bar_ax.set_ylabel('magnitude')

plt.show()

结果是这样的:

原则上，同样的事情也应该用极轴 Axes 来完成，但根据 this github ticket 中的评论, imshow 不支持极轴，我无法让 imshow 填满整个光盘。

编辑:

感谢 ImportanceOfBeingErnest 和 his answer对于另一个问题(color 关键字做到了)，这里现在是一个使用 pcolormesh 的极轴上的二维颜色图。有一些注意事项，最值得注意的是，colors 维度在 theta 方向上需要比 meshgrid 小一个，否则颜色图有螺旋形式:

fig= plt.figure(figsize=(8,4))
plot_ax = fig.add_subplot(121)
bar_ax = fig.add_subplot(122, projection = 'polar')

plot_ax.imshow(
    np.dstack((d_norm,m_norm, np.zeros_like(directions))),
    aspect = 'auto',
    extent = (0,100,0,100),
)

theta, R = np.meshgrid(
    np.linspace(0,2*np.pi,100),
    np.linspace(0,1,100),
)

t,r = np.meshgrid(
    np.linspace(0,1,99),
    np.linspace(0,1,100),
)    

image = np.dstack((t, r, np.zeros_like(r)))

color = image.reshape((image.shape[0]*image.shape[1],image.shape[2]))

bar_ax.pcolormesh(
    theta,R,
    np.zeros_like(R),
    color = color,
)

bar_ax.set_xticks(np.linspace(0,2*np.pi,5)[:-1])
bar_ax.set_xticklabels(
    ['{:.2}'.format(i) for i in np.linspace(np.min(directions),np.max(directions),5)[:-1]]
)
bar_ax.set_yticks(np.linspace(0,1,5))
bar_ax.set_yticklabels(
    ['{:.2}'.format(i) for i in np.linspace(np.min(magnitude),np.max(magnitude),5)]
)
bar_ax.grid('off')

plt.show()

这会产生这个数字: